Python 熊猫不工作

我有一个包含NaN的数据帧：

>>>df.head()
Out[1]: 
            JPM US SMALLER COMPANIES C ACC
1990-01-02                             NaN
1990-01-03                             NaN
1990-01-04                             NaN
1990-01-05                             NaN
1990-01-08                             NaN

我有另一个数据帧，其中包含值：

>>>t.head()
Out[1]: 
1990-01-02    51.95
1990-01-03    52.63
1990-01-04    53.04
1990-01-05    52.07
1990-01-08    51.73
Name: JPM US SMALLER COMPANIES C ACC, dtype: float64

不幸的是，df.fillna似乎不适合我：

>>>df.fillna( t ).head()
Out[1]: 
            JPM US SMALLER COMPANIES C ACC
1990-01-02                             NaN
1990-01-03                             NaN
1990-01-04                             NaN
1990-01-05                             NaN
1990-01-08                             NaN

[5 rows x 1 columns]

---

为什么会这样？我使用的是pandas 0.13.1

您需要

就位

df[1].fillna(0, inplace=True)

---

您需要分配值df=df。fillna（t）

您有两个选项：

1） 每列的特定

cols_fillna = ['column1','column2','column3']
# replace 'NaN' with zero in these columns
 for col in cols_fillna:
     df[col].fillna(0,inplace=True)
     df[col].fillna(0,inplace=True)

2） 对于整个数据帧

df = df.fillna(0)

或者：

df=df.replace（np.nan，0）

#或您认为合适的任何其他值

---

当我在Na操作之后立即应用某些str.replace（）操作时，df.replace（np.nan，0）或df.fillna（0）使我感到厌烦。。因此，请注意命令的顺序->first str.replace（）而不是fillna（）

Oops。我修好了。df应该是一个系列，而不是一个数据帧。在这之后，它就起作用了。在您使用数据帧的情况下，您可以使用DataFrame.where来使用另一帧的值来替换空值。@benjwadams我认为在这种情况下，使用或可能更好。它们是为此目的定制的，因此它们应该可以帮助您避免错误。您帮助我避免在我的pandas项目中创建这么多新对象。为什么这里需要

inplace=True

？这样

df

对象就可以在原地修改，而不是创建副本并修改此副本